zoukankan      html  css  js  c++  java
  • WordPaster2产品介绍

    更新WordParser组件,集成ImagePaster组件功能。完善粘贴剪帖板图片,粘贴电脑图片文件,粘贴word,粘贴excel逻辑。

    大幅度优化和精简js代码,js代码行数从1932行减少到977行。

    大幅度提升产品稳定性。ImagePaster功能与WordParser功能合并。

    大幅度增强产品可扩展性。参数格式使用使用业界标准:JSON。扩展参数更加简单。

    大幅度增加产品易用性。粘贴逻辑由以前的3个逻辑合并成1个逻辑。

    大幅度提升数据传输效率,比WordPaster相比速度提升50%

    优化组件参数接口,增强开发人员友好度,接口数量从44个减少到4个。

    优化组件事件接口,接口数量从5个降为2个。

    完善Session逻辑,与系统对接和权限处理更加轻松。

    新增任务管理器,增强并发能力。大幅度提升上传速度。

     

    WordPaster1对比

    功能

    WordPaster

    WordPaster2

    代码行数

    1924

    991

    组件数

    3

    1

    浏览器加载次数

    3

    1

    单文件上传速度

     

    提升50%

    稳定性

     

    提升50%

    多线程支持

     

    支持

    调用接口

    44

    2

    属性配置接口

    40

    1

    参数优化

    基于JSON

    增强Session支持

     

    clip_image001

    组件事件优化

     

    clip_image001[1]

    增强第三方支持

     

    clip_image001[2]

    优化内存资源

     

    clip_image001[3]

    md5名称支持

     

    clip_image002

    crc32名称支持

     

    clip_image002[1]

    sha1名称支持

     

    clip_image002[2]

    uuid名称支持

     

    clip_image002[3]

     

    大幅度精简的代码意味着不仅逻辑更加简单清晰,同时赋予开发人员更多的可扩展能力。

     

    组件代码截图

    组件接口简化成3个:

    clip_image003

     

    控件属性设置全面采用JSON,更加友好的面向开发人员

    clip_image004

     

    大幅度优化粘贴逻辑代码,开发人员只需要调用HasData,Paste即可完成不同类型图片的上传

    clip_image005

     

    统一事件处理,在不同浏览器中使用同一套事件处理机制

    clip_image006

     

     

  • 相关阅读:
    AI公司的商业模式
    半监督学习(semi-supervised learning)综述
    图神经网络GNN系列一:入门篇
    怎么写论文的总结(conclusion)
    怎么写论文摘要
    多示例学习(multiple instance learning)定义
    2017CVPR-UntrimmedNets for Weakly Supervised Action Recognition and Detection论文笔记
    向上向下取整
    数论
    set的用法
  • 原文地址:https://www.cnblogs.com/xproer/p/5088931.html
Copyright © 2011-2022 走看看